[发明专利]基于长短时记忆神经网络的无人机跟踪方法、装置、存储介质及计算机设备

权利要求书

1.一种基于长短时记忆神经网络的无人机跟踪方法，其特征在于，包括以下步骤：

S1:获取无人机的原始数据集，并进行分类；

S2:对原始数据集进行处理，得到训练集；

S3:构建无人机航迹的长短时记忆跟踪神经网络；

S4:对构建的跟踪神经网络进行充分训练并输出训练后的跟踪神经网络；

S5:采集待跟踪的无人机量测数据；

S6:将量测数据输入至训练后的跟踪神经网络中，获取目标实时状态估计。

2.根据权利要求1所述的一种基于长短时记忆神经网络的无人机跟踪方法，其特征在于：所述步骤S1中获取无人机的原始数据集具体包括以下步骤：

S101:通过雷达采集无人机的量测数据和目标真实状态数据；

S102:对采集到的数据进行凝聚；

S103:将凝聚后点跟雷达终端一个单元的杂波值进行比较，若点幅值大于单元杂波值的三倍，则认为是可以起批的目标；

S104:根据单元杂波值和冻结因子决定后续时刻单元杂波值是否更新；

S105:利用角度信息从所有量测中筛选出与航迹进行关联的点迹，包括角度限制和时间限制；

S106:对经过以上步骤处理完的点迹数据进行量纲转换，得到经过处理后的原始数据集。

3.根据权利要求2所述的一种基于长短时记忆神经网络的无人机跟踪方法，其特征在于：所述步骤S1中对所述原始数据集进行分类包括根据场景和时间段分类。

4.根据权利要求1所述的一种基于长短时记忆神经网络的无人机跟踪方法，其特征在于：所述步骤S2具体包括以下步骤：

S201:将数据按照Min-Max标准化方式进行等比例放缩，完成标准化预处理；

S202:将原始数据集中的量测数据按照每一个时间点对应的量测信息存储进一维矩阵里，然后将进行多次蒙特卡罗仿真的相同时间点的量测信息存储进一个二维数组里，最后将不同时间点对应的量测存储进一个三维数组中得到训练基础数据集；

S203:将每一个时间点对应的目标真实状态信息存储进一维矩阵里，然后将进行多次蒙特卡罗仿真的相同时间点的目标真实状态信息存储进一个二维数组里，最后将不同时间点对应的真实状态存储进一个三维数组中得到训练标签数据集；

S204:将得到的不同场景下的训练基础数据和训练标签数据进行整合，得到一个分别包含完整训练基础数据集和训练标签数据集的三维矩阵。

5.根据权利要求所述的一种基于长短时记忆神经网络的无人机跟踪方法，其特征在于：所述步骤S3具体包括以下步骤：

S301:进行神经网络的层数、每层神经元数量以及所采用的激励函数的设定，设定神经网络的层数为输入层、隐含层和输出层，从而搭建基本的长短时神经网络模型；

S302:将输入层节点数设置为量测维数，隐含层节点数设置为目标状态维数，输出层节点数设置为目标状态维数。

6.根据权利要求1所述的一种基于长短时记忆神经网络的无人机跟踪方法，其特征在于：所述步骤S4具体包括以下步骤：

S401:打乱训练数据集和标签数据集的数据，保证对应关系不变；

S402:设置好网络的训练参数，损失函数设置为均方误差函数,优化器设置为自适应矩估计,批大小设置为1，批次设置为100；

S403:将训练数据、训练标签输入到网络中进行训练，并计算损失值和准确率；

S404:调整修改跟踪神经网络的Epoch和优化器模型参数，重复进行训练；

S405:当损失值和准确率达到收敛时，结束训练并输出记忆神经网络。

7.根据权利要求1所述的一种基于长短时记忆神经网络的无人机跟踪方法，其特征在于：所述步骤S5中无人机航行量测数据通过雷达进行采集，所述量测数据信息包括无人机的时序和其对应的坐标信息。